RecherchearXiv cs.RO 25 août 2026

ODG-NoMaD : navigation guidée par direction via caméra aérienne

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Une équipe de recherche publie ODG-NoMaD (Overhead-camera Direction-Guided NoMaD), une extension de la politique de navigation par diffusion NoMaD, décrite dans un article arXiv (identifiant 2608.21395v1) mis en ligne fin août 2026. NoMaD est une politique de vision-navigation apprise qui unifie exploration et navigation orientée-but dans un unique modèle de diffusion à masquage de but ; son point faible est que, dans un environnement inconnu sans image-but ni carte topologique, elle explore sans direction globale, en errant. ODG-NoMaD corrige ce défaut sans réentraîner le modèle : une caméra de profondeur en vue plongeante est utilisée une seule fois au déploiement pour construire une carte d'occupation et planifier un chemin global, segmenté en une direction cible souhaitée ; une carte de franchissabilité calculée image par image à partir de la caméra de profondeur embarquée du robot affine ensuite cette direction pour éviter les collisions. Le gradient d'un coût de direction cosinus est injecté dans les dernières étapes de débruitage de la diffusion, ce qui fait pivoter les trajectoires échantillonnées vers la direction voulue tout en conservant la multimodalité propre à l'exploration. Testée en simulation dans des environnements de bureau, avec et sans obstacles aléatoires, la méthode réduit la distance résiduelle à la cible jusqu'à un ordre de grandeur par rapport à l'exploration non guidée, surpasse le guidage par coût de point-but de NaviDiffusor, et est la seule configuration testée à rester sans collision sur tous les essais.

L'intérêt pour l'industrie de la navigation mobile tient à la méthode plus qu'au résultat brut : ajouter une conscience directionnelle globale à une politique de diffusion figée, uniquement par guidage au moment de l'inférence, sans réentraînement coûteux, est directement transposable à d'autres piles de navigation pour robots mobiles autonomes (AMR) déployées en entrepôt ou en environnement de bureau. Il faut toutefois noter que les résultats restent limités à la simulation, sans validation sur robot réel rapportée dans l'article.

ODG-NoMaD s'inscrit dans la lignée de NoMaD, référence de politique de diffusion pour la navigation visuelle, et se compare directement à NaviDiffusor, une autre approche de guidage par coût testée comme base de référence. Aucun acteur industriel ni déploiement commercial n'est associé à ces travaux, qui restent à ce stade une contribution académique ; une validation en conditions réelles constituerait la suite logique.

Dans nos dossiers

arXiv cs.RO

À lire aussi

1arXiv cs.RO

Vers une navigation aérienne VLA précisément alignée sur l'intention via GRPO guidé par des experts

Une équipe de chercheurs publie aujourd'hui sur arXiv (réf. 2606.02313) un framework d'apprentissage par renforcement destiné à améliorer la navigation aérienne autonome de drones via des modèles Vision-Language-Action (VLA). Le coeur du dispositif, baptisé EG-GRPO (Expert-Guided Group Relative Policy Optimization), combine un entraînement par renforcement en ligne avec un petit ensemble de trajectoires expertes (few-shot). Résultat annoncé : un taux de succès multiplié par 2,13 par rapport à la baseline en fine-tuning supervisé classique (SFT), et une amélioration de 60,9 % sur l'alignement avec les instructions humaines complexes. Le pipeline hétérogène développé en parallèle simulation/inférence réduit le temps de collecte de rollouts de 43,5 %, point critique quand l'entraînement RL doit couvrir un espace de vol tridimensionnel continu. L'enjeu industriel est réel : les modèles VLA, qui mappent directement des instructions en langage naturel vers des actions motrices, peinent jusqu'ici sur les UAV. Contrairement à la manipulation robotique en espace contraint, la navigation aérienne implique un espace d'exploration quasi-infini où le SFT classique souffre de rareté des données et d'une supervision trop grossière pour des intentions fines ("survole le bâtiment, puis pivote à 90° avant la ligne rouge"). EG-GRPO adresse ce problème en guidant l'exploration par quelques démonstrations expertes plutôt qu'en s'appuyant sur une exploration purement aléatoire. Cela représente une avancée potentielle pour les opérateurs de flottes de drones industriels, les intégrateurs en logistique, inspection d'infrastructures ou intervention en zones difficiles. La note de prudence s'impose cependant : les métriques sont issues de simulations, et le gap sim-to-real sur les UAV reste un problème non résolu dans la littérature. Ce travail s'inscrit dans un mouvement plus large d'application des VLA à la robotique physique. GRPO est la méthode d'optimisation popularisée par DeepSeek-R1 pour les LLM raisonneurs ; son adaptation à l'action physique aérienne suit le chemin tracé par des modèles comme Pi-0 de Physical Intelligence ou GR00T N2 de NVIDIA, mais ceux-ci ciblent la manipulation en espace clos. Côté drones, les travaux de navigation autonome par langage naturel restent majoritairement académiques. Ce preprint n'annonce ni déploiement, ni partenaire industriel, ni timeline commerciale : c'est une contribution de recherche fondamentale, dont la valeur dépendra des résultats en conditions réelles.

RechercheOpinion

1 source

2arXiv cs.RO

GUIDE : compréhension directionnelle initialisée par l'objectif pour la navigation visuelle de bout en bout

Des chercheurs ont publié sur arXiv (référence 2606.10832, juin 2026) un framework d'apprentissage par renforcement baptisé GUIDE (Goal-Initialized Directional Understanding for End-to-End), conçu pour la navigation visuelle autonome de robots à pattes. Le principe fondamental est simple : contrairement aux systèmes existants qui alimentent le robot en mises à jour continues de sa cible depuis des modules d'estimation d'état hiérarchiques, GUIDE ne fournit la cible qu'une seule fois, au début de l'épisode. Le robot doit ensuite naviguer en s'appuyant exclusivement sur sa mémoire spatiale interne. Deux composants structurent le système : un prédicteur d'ancre spatiale qui exploite l'historique proprioceptif multi-fréquences pour construire des représentations d'egomouvement, et un flux de profondeur brut pour percevoir la géométrie locale. Les expériences ont été conduites sur un robot quadrupède, en simulation et en environnement réel, dans des scènes encombrées et des labyrinthes structurés, sans carte préalable. L'enjeu pour les intégrateurs est direct : supprimer la dépendance aux modules d'estimation d'état externes simplifie le stack de déploiement et réduit les points de défaillance. Les architectures hiérarchiques actuelles (localisation + cartographie + planification) sont coûteuses à calibrer et fragiles dans des environnements non cartographiés. GUIDE démontre qu'un robot peut maintenir une conscience directionnelle persistante grâce à la mémoire proprioceptive, sans SLAM ni GPS, un résultat qui renforce l'hypothèse que la proprioception peut partiellement suppléer la localisation explicite. La politique étant déployée de bout en bout sans modules séparés à l'inférence, la complexité opérationnelle en production s'en trouve réduite -- un argument concret pour les équipes industrielles. La navigation sans carte pour robots à pattes est un sujet actif : les travaux sur ANYmal (ETH Zurich), les politiques locomotrices de Unitree ou les recherches de CMU s'appuient encore majoritairement sur des représentations géométriques explicites. GUIDE s'inscrit dans la tendance "fully end-to-end" qui cherche à éliminer ces modules intermédiaires, tendance visible également dans les VLA (Vision-Language-Action models) appliqués à la manipulation. Il faut néanmoins rappeler qu'il s'agit d'une publication académique, sans pilote industriel ni déploiement commercial annoncé. Les suites naturelles incluent des tests dans des environnements non structurés à grande échelle et l'intégration avec des modèles de fondation visuels pour la spécification dynamique de la cible.

RecherchePaper

1 source

3arXiv cs.RO

FloVerse : navigation multimodale guidée par plan d'étage

Une équipe de chercheurs a publié FloVerse, un cadre unifié de navigation incarnée guidée par plans d'étage, accompagné d'un jeu de données à grande échelle et d'une nouvelle politique d'apprentissage. Présenté sous forme de preprint arXiv (2606.14267) en juin 2026, ce travail rassemble sous un même protocole trois variantes classiques de navigation autonome en intérieur : PointNav (atteindre des coordonnées cibles), ObjectNav (trouver une instance d'objet précis) et ImageNav (rejoindre un lieu identifié par une image de référence). Pour soutenir ces expériences, les auteurs ont constitué FloVerse-1.6K, un jeu de données de 1 600 scènes issues des environnements HM3D et Gibson 4+, couplé aux plans d'étage correspondants, comprenant 240 000 trajectoires expertes et 12 millions de frames RGBD. Ils proposent également ThreeDiff, une politique d'imitation en deux étapes : un planificateur basé sur la diffusion entraîné par masked-modality modeling (masquage aléatoire des modalités en entrée pour forcer la robustesse multimodale), et un raffineur qui ajuste les trajectoires à l'exécution à partir de données de profondeur pour éviter les collisions. L'apport principal réside dans la démonstration que les plans d'étage constituent des priors spatiaux efficaces et généralisables : les résultats montrent une amélioration des performances sur l'ensemble des trois modalités de tâches, y compris en généralisation à des scènes non vues durant l'entraînement. Pour un intégrateur déployant des robots mobiles en environnement structuré (entrepôts, hôpitaux, hôtels), ce résultat ouvre une voie pragmatique : exploiter les plans existants issus du BIM ou de simples blueprints sans nécessiter de cartographie préalable par le robot. ThreeDiff montre de surcroît que ce prior spatial peut être capturé implicitement par le modèle, sans supervision explicite sur la structure géométrique du plan. Ce travail s'inscrit dans un courant de recherche actif où plusieurs approches concurrentes telles que VLN-BERT, NavGPT ou EmbodiedGPT s'appuient sur des modèles de langage visuels ou des cartes sémantiques. La spécificité de FloVerse est d'intégrer le plan d'étage comme modalité de guidage explicite et portable, là où la majorité des travaux antérieurs se limitaient à PointNav sur des environnements restreints comme AI2-THOR ou Matterport3D. En tant que preprint non encore soumis à évaluation par les pairs, les benchmarks restent en simulation ; le gap sim-to-real n'est pas évalué, ce qui constitue la limite principale avant toute application industrielle.

RecherchePaper

1 source

4arXiv cs.RO

DevGRU : navigation visuelle guidée par la profondeur avec modèle récurrent conscient des collisions

Des chercheurs présentent DevGRU (arXiv:2608.18470v1, prépublication mise en ligne le 20 août 2026), un système de navigation visuelle pour robots conditionné par image de profondeur et point de destination (point-goal). Le cœur du système est un prédicteur d'action (action predictor, AP) qui génère des trajectoires futures tenant compte des collisions, permettant d'éviter les obstacles immédiats. Un second module, le prédicteur de collision, travaille en tandem avec l'AP pour compenser les erreurs accumulées dans l'estimation de la pose cible et anticiper les déviations de trajectoire avant qu'elles ne se produisent. Les auteurs ont évalué leur méthode sur neuf scènes différentes, en la comparant à trois approches de référence considérées comme état de l'art (ViNT, NoMaD et NavDP) ainsi qu'à quatre variantes supplémentaires de ViNT et NoMaD. DevGRU surpasse nettement ViNT et NoMaD en performance de navigation, tout en utilisant un nombre de paramètres entraînables nettement plus faible : le modèle est 7 fois plus compact que NavDP et son temps d'inférence est 17 fois plus rapide. L'enjeu que cible ce travail est concret pour l'industrie : les modèles de navigation dits "fondation", censés généraliser d'une plateforme robotique à l'autre, échouent souvent dans des environnements intérieurs structurés, en particulier dans les passages étroits, où les collisions restent fréquentes malgré des démonstrations convaincantes en conditions contrôlées. En traitant explicitement la prédiction de collision comme un signal de correction plutôt qu'un simple filtre a posteriori, DevGRU illustre une piste pour combler cet écart entre démonstration et fiabilité réelle. Le gain en légèreté et en vitesse d'inférence est également significatif pour les intégrateurs, puisqu'il ouvre la voie à un déploiement embarqué sur du matériel de calcul limité, sans dépendre d'une infrastructure de calcul déportée. Ce travail s'inscrit dans la lignée des modèles de navigation généralistes issus de la recherche académique, dont ViNT et NoMaD sont des jalons de référence, avec NavDP comme benchmark plus récent. Il s'agit à ce stade d'une publication de recherche (arXiv, type "new"), sans lien annoncé avec une entreprise, un produit commercial ou un déploiement réel signalé. Aucun pilote industriel ni calendrier de mise en production n'est mentionné dans l'article.

RecherchePaper

1 source